WWW.METODICHKA.X-PDF.RU
БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА - Методические указания, пособия
 


Pages:     | 1 |   ...   | 11 | 12 || 14 | 15 |   ...   | 16 |

«О ПРОЕКТЕ СТРАТЕГИИ РАЗВИТИЯ ИНФОРМАЦИОННОГО ОБЩЕСТВА В РОССИИ Д.т.н., д.ю.н., профессор А.А.Стрельцов (Аппарат Совета Безопасности Российской Федерации) Передовые страны мира подошли к ...»

-- [ Страница 13 ] --

В этом случае пока не распределены терминальные значения, решение о занесении информации в долговременную память не принимается. До этого момента во фрейме хранится значение по умолчанию, хотя и слабо вязанные с реальной обстановкой. Выводы, получаемые на основании значений по умолчанию, называются выводами по умолчанию. По этим выводам можно продолжить получение вывода и восполнить недостатки заданной информации. Эта функция обычно расширяет возможности системы, в то же время существует опасность получения неправильных выводов на основе ошибочных представлений.

Вывод по умолчанию выполняет весьма важную функцию при распознавании ситуаций. Если имеется не вся информация о ситуации, то заменив недостающие значения признаков значениями по умолчанию, можно получить полное отображение ситуации.

Организацию поиска решений можно проводить, если провести иерархию признаков состояний объекта, то есть выбрать наиболее значимые или наиболее характерные признаки и начинать поиск именно этих признаков.

Действия разработчиков конкретной системы (экспертов и инженера по знаниям) практически сводятся к заполнению базы знаний. В первую очередь составляются списки: отделов, выполняемых ими операций, взаимодействия отделов, а также проявления признаков нарушений при выполнении операций. Далее формируются продукционные правила: соответствующая программа предлагает пользователю отметить для условной части каждого из правил признаки нарушений из составленного ранее списка, а для следственной части - признаки осуществляемых действий при выполнении операций также из соответствующего списка. На последнем этапе формирования базы знаний вводится программа автоматически устанавливающая отношения несовмес

<

Теоретические, организационные, учебно-методические и правовые проблемы

тимости между признаками нарушений. По окончании ее работы эксперт может, если сочтет необходимым, дополнить отношения несовместимости для некоторых признаков «вручную».

Теперь сформированная система готова к применению по назначению. Ее единственный «активный»

компонент - машина вывода, придается ей в готовом виде, без каких-либо изменений со стороны экспертов и инженеров по знаниям.

В дальнейшем с разработанной системе работает пользователь. Загруженная для выполнения программа, представляющая собой машину вывода с элементами пользовательского интерфейса, предлагает пользователю отметить наблюдаемые им признаки нарушений из представляемого списка «первичных» признаков. Когда он это сделает, программа прервет диалог и не станет обременять пользователя просмотром всего перечня возможных «первичных» признаков. Машина вывода локализует «подозрительную» операцию и поступит так, как было описано выше. При этом от нее следуют пользователю промежуточные рекомендации по проверке отдельных действий, если это необходимо. Если какие-то действия окажутся противоправными, то ИС укажет на них и пояснит в чем состоит несоответствие принятым нормам.

Одна из простейших и очевидных мер развития - включение в машину вывода функции сбора и обработки статистики нарушений. Запоминая в специально выделенном слоте описания функционирования объекта частоты тех или иных нарушений при выполнении отдельных операций, ИС будет начинать анализ деятельности объекта с проверки именно этих операций.

Значительно увеличит возможности оболочки введение в состав ее средств суббазы концептуальных знаний. Эта суббаза будет помогать эксперту формировать базу знаний разрабатываемой ИС, а также использоваться в процессе поиска признаков нарушений при отсутствии знаний о текущей ситуации в декларативной суббазе. Суббаза концептуальных знаний, как и машина вывода и программа процедурных знаний, не зависит от типа объекта, поэтому будет придаваться ИС конкретного объекта в готовом виде.

ПРОГНОЗИРОВАНИЕ КОМПЬЮТЕРНОЙ ПРЕСТУПНОСТИ: НЕОБХОДИМОСТЬ

КОМПЛЕКСНОГО ПОДХОДА

К.ф-м. н., доцент О.Э. Згадзай (Казанский ЮИ МВД России) Количество преступлений в сфере телекоммуникаций и компьютерной информации – киберпреступлений – продолжает расти, причем это происходит не только в России, но и в мире в целом. Активно развиваясь, компьютерное криминальное соообщество фактически сформировало свою виртуальную среду. Согласно данным Reuters, уже в 2004 году киберпреступность заработала $105 млрд., тем самым обойдя по "официальной" доходности наркоторговлю1. В этой связи прогноз компьютерной преступности играет важную роль для выявления преобладающих тенденций и профилактики наиболее опасных видов преступлений.
2 Необходимо однако отметить, что получение достоверных количественных данных о преступлениях в сфере информационных технологий (ИТ) является достаточно сложной задачей для исследователя. Официальная отчетность далеко не всегда позволяет получить реальную картину состояния явления.3 Согласно опубликованной МВД России статистике, за 2005 год в России зарегистрировано около15 тысяч преступлений в сфере телекоммуникаций и компьютерной информации. При этом самыми многочисленными являются нарушения, связанные с неправомерным доступом к коммерческим данным.

–  –  –

Рис 1. Прогноз числа зарегистрированных компьютерных преступлений в России с использованием трендовых моделей 1 http://crime-research.ru/news/13.04.2006/2496/crime-research.ru 2 Гаврилин Ю.В. Расследование неправомерного доступа к компьютерной информации: Автореферат дисс. на соиск. уч. ст.

кандидата юридических наук. М., 2000. 24 с.

3 Крылов В.В. Расследование преступлений в сфере информации. М.: Городец, 1998. 264 с.

Теоретические, организационные, учебно-методические и правовые проблемы

Анализ имеющихся официальных статистических данных за период с 1997 по 2005 год (Рис. 1.) с помощью трендовых моделей показывает, что они адекватно описываются как степенной, так и квадратичной моделью тренда. В первом случае Y = 6,34 t 3,56, R2 = 0,998, где Y – количество зарегистрированных преступлений, t – время, R – среднеквадратичная ошибка. Экстраполируя зависимость на 2006 г., получим прогнозное значение – 22700 преступлений.

Во втором случае Y = 1363, 7 1388, 7 t + 313, 2 t 2, R2 = 0,988.

а прогнозное значение на 2006 г. равно 18800. Можно считать прогноз по квадратичной модели тренда оптимистическим, а постепенной – пессимистическим.

Прогноз преступлений в сфере компьютерной информации (ст. 272 – 274 УК РФ) и связанных с ними преступлений (ст. 159, 165, 187 УК РФ) показан на Рис. 2. Очевидно, что экспоненциальные модели тренда адекватно описывают имеющиеся официальные данные.

–  –  –

Рис 2. Прогноз числа зарегистрированных преступлений по ст. 272 – 274 и ст. 159, 165, 187 УК РФ с использованием экспоненциальных моделей тренда Степенные модели тренда хорошо описывают данные о зарегистрированных преступлениях по ст. 272 и ст. 273 УК РФ (Рис 3.).

–  –  –

Рис 3. Прогноз числа зарегистрированных преступлений по ст. 272 и ст. 273 УК РФ с использованием степенных моделей тренда Во всех странах фактическая преступность превышает количество зарегистрированных преступлений.

Hаряду с очевидной угрозой для мирового сообщества, которую представляет собой компьютерная преступность, и определенными успехами правоохранительных органов в борьбе с этим явлением, уровень латентности данного вида преступлений остается очень высоким. Практика свидетельствует о том, что данные, взятые из статистических учетов, имеют неполный характер и не отвечают действительности. Латентная (скрытая) преступность остается за границами учета. Наличие латентной преступности способно вызвать серьезные и далеко идущие негативные последствия. Она создает в определенной среде психологическую обстановку безнаказанности за общественно опасные деяния, провоцирует преступников на совершение все новых и новых (как правило, более опасных) преступлений; содействует формированию стойких преступных групп; подрывает прин

<

Теоретические, организационные, учебно-методические и правовые проблемы

цип необратимости наказания; снижает общепревентивное значение уголовного закона, ухудшает моральный климат в государстве, нарушает законность и правопорядок.

По механизму и способам совершения преступления в сфере компьютерных технологий специфичны, поэтому они имеют высокий уровень латентности. Так, по данным Национального отделения ФБР по компьютерным преступлениям от 85% до 97% компьютерных посягательств даже не выявляются1. По оценкам иных экспертов, латентность компьютерных преступлений в США достигает 80%, в Великобритании — до 85%, в ФРГ — 75%, в России — более 90%.

За рубежом, где накоплена достаточно большая и достоверная статистика компьютерных преступлений, до суда доходят меньше 1% нарушений. При этом следует помнить, что, по утверждению специалистов, ревизия в состоянии выявить не более 10% электронных хищений2.

В структуре латентной преступности по механизму ее образования выделяют четыре разновидности.

Первая разновидность охватывает совокупность преступлений, о факте совершения которых ни правоохранительным органам, ни представителям администрации предприятий, учреждений и организаций, ни отдельным гражданам ничего не известно. О преступном событии знают только виновное лицо и его сообщники, не заинтересованные в разглашении сведений об этом. Сами преступления, как правило, заранее обдуманы, детально спланированы, мастерски замаскированы, обставлены разными способами их сокрытия. Латентность такого вида называется естественной.

Вторую разновидность латентной преступности составляет большой массив преступлений, которые хотя и известны должностным лицам (сотрудникам подразделений или учреждений, отдельным гражданам), но ни те, ни другие не заявляют о них в соответствующие органы. Среди мотивов подобных действий можно выделить следующие:

стремление сокрыть преступление, так как его выявление может нанести вред престижу организации или ее руководителя, повлечь за собой организационные выводы (смещение с должности) или уголовную ответственность;

надежда получить материальное вознаграждение за сокрытие информации о совершенном преступлении;

безразличное либо негативное отношение к борьбе с преступностью и др.

Латентную преступность такого вида называют искусственной.

Третью разновидность латентной преступности определяют термином «граничные ситуации». Она представляет собой группу таких преступлений, информация о которых стала известна правоохранительным органам, но получила неправильную юридическую оценку (не обнаружено признаков состава преступления), в связи с чем преступление оказалось за рамками статистического учета.

Последнюю разновидность латентной преступности составляют преступления, которые стали известны правоохранительным органам, но по разным причинам оказались не зарегистрированы.

Компьютерная преступность может быть представлена всеми четырьмя видами латентности. "Теневой" рынок российских ИТ очень значителен, и в нем крутятся более чем приличные деньги. Российские криминальные сообщества держат под своим контролем глобальную сеть Интернет-преступности. Россияне специализируются на фиктивных финансовых услугах и организации многомиллионных хищений с использованием "мировой паутины".

Подпольный преступный рынок, связанный с мафией в России, достиг недавно оборота в миллиард долларов. Причем особенностью российского сетевого криминалитета является хорошая подготовка компьютерщиков-хакеров и открытость действий преступников. В подтверждение этих утверждений были продемонстрированы снимки интернет-сайтов, открыто торгующих номерами кредитных карт, номерами личных карточек системы социальной защиты США, номерами счетов в системе безналичных интернет-расчетов PayPal, а также паролями доступа к личным счетам в коммерческих банках. Представители преступных сообществ активно занимаются разработками компьютерных вирусов, которые захватывают удаленные компьютеры. Как передает РИА "Новости", опытные хакеры собирают корпоративную информацию по заказу конкурентов, что является традиционным преступлением для мафиозных структур.

За прошедший год в Европе число Интернет-покупок, оплаченных пластиковыми картами, удвоилось.

Такими же темпами растет и число мошеннических транзакций в Сети.

Хотя платежные системы крайне неохотно раскрывают "печальную" статистику, некоторые данные есть. В Евросоюзе мошенническое использование кредитных карточек в Интернете за год выросло на 50%, поставив под угрозу экономический смысл электронной торговли. В этой связи по меньшей мере странными выглядят данные официальной статистики по компьютерному мошенничеству: число зарегистрированных мошенничеств 2002 -2004 гг.не только не росло, а снижалось. Аналогичные замечания можно отнести и к данным по преступлениям ст. 274 УК РФ (нарушение правил эксплуатации ЭВМ).

1 www.riganet.com/modules.php 2 Айков Д., Сейгер К., Фонсторх У. Компьютерные преступления. Руководство по борьбе с компьютерными преступлениями: Перевод с английского. – М.: Мир, 1999.

Теоретические, организационные, учебно-методические и правовые проблемы Символ преуспевающего человека – пластиковая карточка, при помощи которой можно снять довольно крупную сумму, обойдется любому желающему от $4 до $300-400. Все зависит от того, как пройдут переговоры с нелегальным продавцом поддельных банковских пластиковых карточек или их реквизитов. По оценкам экспертов, уровень международного мошенничества в секторе банковских услуг с использованием пластиковых карточек оценивается в $7,9 млрд. и продолжает расти. Ущерб, нанесенный кардером (как правило, этим видом преступлений занимаются молодые люди 20-25 лет, студенты или безработные), при определенном стечении обстоятельств может превысить годовой доход приличного коммерческого банка.

По мнению правоохранителей, составить статистику информационных преступлений невозможно - в первую очередь из-за нежелания банков и платежных систем сообщать об удавшихся нападениях на счета клиентов. По оценкам национального отделения ФБР по компьютерным преступлениям, от 85% до 97% всех компьютерных преступлений даже не обнаруживаются, а в 90% случаев не удается установить личность нарушителя.

Для выяснения реальностей криминогенной ситуации в стране, кроме изучения данных официальной статистики, необходимо использовать дополнительную информацию из альтернативных источников, среди которых можно назвать: мониторинг виктимности лиц, ставших жертвами преступлений; самоотчеты правонарушителей; выводы и экспертные оценки специалистов и общественного мнения в целом о состоянии компьютерной преступности и эффективности деятельности правоохранительных органов.

Как свидетельствует мировая практика, обзор уголовной виктимизации дает возможность узнать о действительных масштабах преступности, выявить ее латентную часть и скрытую уголовную виктимизацию населения, максимально выявить действительное состояние криминогенной обстановки, наметить и задействовать меры по усилению борьбы с преступностью и противодействию быстро растущей криминализации населения.

Путями, способствующими комплексному анализу и прогнозированию преступности в сфере высоких технологий, можно назвать следующие:

использование социологических методов и приемов выявления и измерения латентной преступности в сфере высоких технологий: массовый опрос населения, анкетирование, экспертные оценки, контект-анализ материалов средств массовой информации;

использование экономико-правовых методов, основанных на анализе всех взаимосвязанных техникоэкономических показателей;

преодоление правового нигилизма руководителей учреждений, предприятий, организаций и отдельных граждан путем освещения проблем компьютерной преступности в средствах массовой информации;

обеспечение законности функционирования системы уголовной юстиции в государстве, повышение уровня доверия населения к ней;

пересмотр статистического подхода к изучению компьютерной преступности, что, безусловно, повлечет за собой снижение латентности данного вида преступлений;

повышение эффективности правоохранительной деятельности, требовательности к уровню профессионализма работников правоохранительных органов;

разработка криминалистической характеристики преступлений в сфере высоких технологий с учетом вопросов латентности данного вида преступлений;

дальнейшая работа по созданию методических рекомендаций по вопросам выявления, раскрытия и расследования преступлений в сфере высоких технологий.

В свете сказанного интересными представляются следующие данные. По результатам опроса руководителей шестисот американских компаний, сетевые атаки причиняют тамошним фирмам куда больше проблем, чем обычная "оффлайновая" преступность. Так заявили 57 опрошенных экспертами компании IBM руководителей отделов информационной безопасности компаний, занятых в таких отраслях, как здравоохранение, финансы, розничная торговля и даже в реальном секторе. Больше всего бесчинства кибер-преступников напрягают представителей финансового сектора (71%). Три четверти опрошенных считают "значительным" риск хакерских атак, организованных изнутри компании. Примерно 84% считают, что хакеры-одиночки уступают поле битвы хорошо подготовленным преступным организациям. В то же время, 61% опрошенных считает, что ответственность за сдерживание таких групп должны брать на себя правоохранительные органы. Эти данные тем более интересны, что в ходе аналогичного опроса, проведенного среди физических лиц, выяснилось, что на государство полагаются лишь 11% опрошенных, а 53% предпочитают опираться на собственные силы1.

Большое значение для профилактики преступлений в сфере ИТ может играть индивидуальный прогноз преступности и преступного поведения. Если недавно большинство преступлений в сфере ИТ совершалось подростками и студентами преимущественно в виде озорства, то теперь подростки выросли (согласно статистике отдела «К» 60% правонарушителей - это лица от 20 до 35 лет и только 24% - лица до 20 лет) и поняли, что на можно зарабатывать деньги.

Необходимо введение спецкурсов по изучению проблем компьютерной преступности в юридических ВУЗах. Умение раскрывать и расследовать преступления, безусловно, влечет за собой и снижение уровня латентности данного вида преступных посягательств.

1 http://crime-research.ru

–  –  –

КОНЦЕПТУАЛЬНАЯ МОДЕЛЬ СТРУКТУРИРОВАНИЯ И ПРЕДСТАВЛЕНИЯ ЗНАНИЙ В

АДАПТИВНЫХ КОМПЬЮТЕРНЫХ ОБУЧАЮЩИХ СИСТЕМАХ

К.т.н. А. А. Пугачев (Улан-Удэнский филиал Восточно-Сибирского института МВД России) Концепция непрерывного образования является одним из эффективных инструментов решения проблемы соответствия квалификации специалистов органов внутренних дел быстро растущему уровню знаний, умений и навыков, которые требуются в условиях современного технического прогресса. Очевидно, что только высоко квалифицированные сотрудники способны решать задачи стоящие перед органами внутренних дел на современном этапе. Однако процесс подготовки и переподготовки кадров в настоящее время недостаточно обеспечен как методически, так и технологически, что, несомненно, сказывается на продвижении страны по пути реформ и устранении социальной напряженности в обществе. Вот почему задача совершенствования системы подготовки и переподготовки кадров в системе МВД становится сегодня стратегической.

Одним из путей решения этой задачи могло бы стать широкое внедрение новых информационнообразовательных технологий, призванных обеспечить высокое качество и эффективность обучения, в том числе и в дистанционной форме.

На сегодня ряд известных отечественных и зарубежных компаний предлагает высококачественные программные продукты учебного назначения. Методической основой данных разработок являются исследования Бруснецова Н. П., Брусиловского П. Л., Васильева В. В., Растригина Л. А., Савельева А. Я., Слипченко В. Г.

Среди зарубежных исследователей необходимо отметить работы Р. Бартона (R. Burton), А. Борка (A. Bork), Д. Брауна (J. S. Brown), Э. Венгера (E. Wenger), Д. Карбонелла (J. Carbonell), С. Паперта (S. Papart), Э. Солоуэя (E. Soloway). Однако, несмотря на заметные успехи в этом направлении, существует ряд причин, препятствующих широкому использованию подобного рода программ.

В частности, анализ программных продуктов учебного назначения показывает, что все они, как правило, ориентированы на использование в рамках общеобразовательных учебных заведений. Компьютерные обучающие программы для системы вузовского и послевузовского юридического образования, особенно по специальным дисциплинам, практически отсутствуют.

Однако основной причиной, препятствующей широкому использованию подобного рода программ, является неполное соответствие предлагаемого в них материала идеям и методам преподавания той или иной дисциплины. Это связано, прежде всего, с низкой адаптивностью, как самих обучающих систем, так и средств их разработки к индивидуальным особенностям обучаемых, предметной области, решаемым задачам и навыкам разработчика. Повышение эффективности и качества соответствующих программных продуктов может быть достигнуто на основе системного подхода к проблеме их проектирования, наполнения и эксплуатации, обеспечивающего более полный учет всех особенностей их разработки и использования. Методологической основой здесь могут являться идеи и методы теории систем, адаптивного управления и искусственного интеллекта. Конечным продуктом – комплекс инструментальных средств, реализующий идею адаптивности на всех этапах жизненного цикла создаваемой обучающей системы: от момента ее проектирования и разработки до момента эксплуатации конечными пользователями – обучаемыми.

С начала 90-х годов тенденцией является объединение традиционных информационных, контролирующих, игровых и обучающих систем с диалоговыми системами для автоматизированного решения задач средствами искусственного интеллекта, экспертными системами и технологиями гипермедиа. Однако анализ и классификация инструментальных средств, используемых при этом, показывает, что на сегодня все еще рано говорить о разработке полномасштабного в интеллектуальном отношении инструментария. Следует ставить более скромную, но реально достижимую задачу реализации отдельных, наиболее важных для автоматизированного обучения интеллектуальных функций. А именно:

представление учебного материала в виде базы знаний и реализация алгоритмов выборки из нее знаний, необходимых для решения дидактических задач;

реализация моделей обучаемого и предметной области;

адаптация учебного материала, системы навигации и режима обучения в соответствии с моделью обучаемого;

гибкие возможности диагностики не только знаний, но и умений и навыков, позволяющие осуществлять их адекватную оценку и определять причины проблем, связанных с их приобретением и закреплением.

Не все из перечисленных задач в решены полной мере. Одна из методик комплексного решения вышеуказанных задач предлагается в данной работе. В основе этой методики лежит концептуальная модель структурирования знаний, основанная на представлении различных видов знаний как объектов стратифицированного информационного пространства [4-6].

В рамках модели разработан модифицированный алгоритм объектно-структурного анализа [4] (алгоритм ОСАКОС) предназначенный для детального структурирования знаний, используемых при проектировании, разработке и эксплуатации компьютерных обучающих систем (далее КОС), и подразумевающий дезагрегацию предметной области в общем случае на восемь страт (табл. 1).

Теоретические, организационные, учебно-методические и правовые проблемы Таблица 1.

Стратификация знаний s1 ЗАЧЕМ-знания (зачем Стратегический анализ: назначение и функции системы (цели и учить) задачи обучения по данной КОС).

s2 КТО-знания (кто учит) Организационный анализ: коллектив разработчиков КОС.

s3 ЧТО-знания (что учить) Концептуальный анализ: основные понятия, понятийная структура предметной области (предметные знания) s4 КОГО-знания (кого учить) Персональный анализ: знания об обучаемом (модель обучаемого) s5 КАК-знания (как учить) Функциональный анализ: управление процессом обучения, осуществление адаптации (дидактические знания).

s6 ПОЧЕМУ-знания Казуальный или причинно-следственный анализ: прямая и обратпочему так учат) ная связь (диагностические знания).

s7 ГДЕ-знания (где учить) Пространственный анализ: окружение, оборудование, коммуникации (дополнительные источники получения знаний, умений и навыков. Например, другие КОС, литература, программное обеспечение и т.д.) s8 КОГДА-знания (когда Временной анализ: временные параметры и ограничения.

учить) Страты выделены на основе анализа поля знаний и систематизации задач, решаемых в КОС различного типа.

Алгоритм разделяется на два этапа: «вертикальный» и «горизонтальный» анализы.

На этапе вертикального анализа выполняется разбиение знаний на методологические страты. Количество и состав выделяемых на данном этапе страт зависит от типа разрабатываемой системы.

Затем выполняется горизонтальный анализ страт, включающий построение многоуровневых структур по отдельным стратам. Содержание и последовательность шагов горизонтального анализа зависит от типа КОС и номера страты, но фактически сводится к реализации дуальной концепции структурирования соответствующих знаний. Число уровней n зависит от текущей страты и определяется особенностью поля знаний и/или особенностями организации процесса обучения.

Использование данного подхода позволяет:

концептуально объединить разные способы структурирования знаний, применяемых при проектировании, разработке и эксплуатации адаптивных компьютерных обучающих систем;

применять различные способы выделения и упорядочивания знаний в зависимости от поставленной цели и типа разрабатываемой обучающей системы;

акцентировать внимание на различных стратах, необходимых при разработке конкретных обучающих систем, отдавая должное значимости других страт.

В частности, минимальный набор страт, выделяемый при проектировании электронных учебных курсов, включает в себя страты s3, s4, s5, s6. Рассмотрим их более подробно.

Наиболее проработанной в настоящее время является проблема представления предметных знаний [5] (ЧТО-знания). Предметные знания – семантическая сеть отражающая иерархию понятий предметной области в форме, соответствующей профессиональным представлениям разработчика КОС и не вызывающей когнитивного диссонанса у обучаемого. Предметные знания целесообразно представлять в виде так называемой релевантной гиперструктуры HS={A, R}, узлами которой являются концепты предметной области А, выделяемые как «опорные». Связи или отношения R между концептами используются для переходов между ними. Интерпретация связей выполняется продукционными правилами, связанными с соответствующими концептами.

Анализ подходов к моделированию обучаемого позволяет сделать следующий вывод: в большинстве существующих подходов модель обучаемого содержит ограниченный набор параметров и жестко запрограммированные алгоритмы их обработки, что сужает адаптивные возможности систем базирующихся на этих подходах.

В связи с этим, модель обучаемого (КОГО-знания) предлагается задавать выражением:

–  –  –

Здесь МОФ - тройка, определяемая методикой заложенной в основу инструментария разработки КОС:

МОф= {G1 (t), G2, V}, (2) где G1(t) – граф оверлейной модели текущих знаний обучаемого: дуги – названия концептов предметной области; терминальные вершины – оценка уровня знаний обучаемым соответствующего концепта (может быть булева переменная (известно/неизвестно), качественная оценка (отлично/хорошо/ удовлетворительно) или количественное значение (например, вероятность того факта, что обучаемый знает концепт));

G2 – граф целей обучения – отражает необходимый уровень знаний обучаемым текущей предметной области (его структура аналогична структуре графа G1, но вершины требуемые оценки уровня знаний по каждому из концептов);

Теоретические, организационные, учебно-методические и правовые проблемы

V – вектор предпочтений обучаемого: способ представления материала (текст, графика, видео), настройки системы (цвет, размер, скины) и т.д.

Вторая составляющая модели МОП содержит систему параметров, определяемую разработчиком конкретной обучающей системы. Данные параметры определяются потребностями и предпочтениями разработчика и могут существенно отличаться для различных КОС. В общем виде – это вектор числовых и лингвистических переменных, необходимым образом (с точки зрения разработчика) расширяющих и дополняющих встроенную модель МОФ.

Наряду с моделью обучаемого, для управления процессом обучения концептуальная модель включает дидактические знания (КАК-знания). Дидактические знания здесь – это множество правил-продукций R: CA, поставленных в соответствие узлам концептам ПО и интерпретирующих связи между ними, а также анализирующих и модифицирующих параметры модели обучаемого (КОГО-знания). С их помощью осуществляется управление обучением с учетом индивидуальных особенностей обучаемого. Продукционный подход к представлению дидактических знаний обеспечивает простоту их модификации и пополнения, а следовательно – адаптивность системы к пожеланиям разработчика и более тонкую «ситуационную» настройку системы обучения в целом.

Для обеспечения конечности и конфлюэнтности процесса адаптации введён ряд ограничений, накладываемых на продукционные правила.

Ограничение 1: Ri,RjAM: S(Ri)U(Rj) =.

Ограничение 2: Ri,RjAM:

Ri не зависит от Rj: (S(Ri)U(Ri)E(Ri)) U(Rj) =.

Ri является самонезависимым: (S(Ri)E(Ri)) U(Ri) =.

Использование ограничений 1 и 2 гарантируют конечность и конфлюэнтность, однако делает невозможным процесс распространения правил. В связи с определены ограничения, ослабляющие условия достижения конечности и конфлюэнтности, но дающие бльшую выразительную свободу при написании правил адаптации.

Ограничение 1: AM = St-rulePr-rule, RiSt-rule, RjPr-rule: Pri(Ri)Pri(Rj), где AM-набор правил;

St-rule – набор стартовых правил; Pr-rule – набор правил распространения; Pri(Ri) – приоритет выполнения правила Ri.

Ограничение 2: Ri, RjAM, Ri Rj: U(Ri)U(Rj) =, где U(R) – набор атрибутов, которым присваиваются значения в A.

Осуществление адаптации невозможно без обратной связи, реализуемой множеством диагностических знаний.

Описание и представление диагностических знаний осуществляется на основе их моделей [2]. На уровне, инвариантом к ПО и виду осваиваемой деятельности, модель вопроса (задачи, упражнения) Мq представляет собой кортеж:

Мq = ( A, C, Мs, Мsu, V, P, Vёu, Мas, Ov, Oa), (3) где A – цель (что требуется от обучаемого, какую деятельность необходимо выполнить);

C – ограничения, которые должны быть учтены при выполнении задания;

Мs – модель ситуации (в зависимости от назначения и вида КСО этот компонент может соответствовать моделям изучаемого объекта, среды профессиональной деятельности и т.д.);

Мsu – информационная модель, описывающая способ представления Мs, а также средства оперирования ею в рамках КСО;

V – результаты (ответы);

P – вес задания;

Vu – описание способа ввода результата;

Мas – эталонная модель деятельности;

Ov – функция оценивания результата;

Oa – функция оценивания деятельности.

Данная модель позволяет описывать диагностические знания любых типов. В моделях конкретных заданий могут использоваться не все компоненты, входящие в (3). Наиболее интересными для анализа членами Mq являются: Ms, P и Ov.

В модели ситуации выделено три составляющих:

Мs = (Str(Мs), Val(Мs), Int(Мs)), (4) где Str(Мs) – структура Мs;

Val(Мs) – значения параметров Мs;

Int(Мs) – интерпретация Мs.

Структура Str(Мs) определяет форму выражений (математических зависимостей, правил и т.

д.), входящих в Мs. Конкретные значения параметров фиксируются в Val(Мs). Подобная декомпозиция позволяет создавать как негенерируемые, так и генерируемые системой вопросы и задания. Причем последние можно получить путем варьирования значениями параметров Val(Мs) при неизменной структуре модели ситуации или пуТеоретические, организационные, учебно-методические и правовые проблемы тем предусматривающим трансформацию Str(Мs). Интерпретация Int(Мs) характеризует смысл (т.е. предметное содержание) элементов Str(Мs) и Val(Мs).

Функции оценивания Ov и Oa определяются следующим образом:

–  –  –

a +, a [0,1]. Здесь а+ - мера Истины некоторого утверждения а, а а- - мера его Лжи.

где

В случае диагностики знаний таким суждением является высказывание:

–  –  –

При тестировании каждый ответ рассматривается как свидетельство «за» или «против» утверждения (8). Для накопления свидетельств («суммирования» результатов теста) используется правило совмещения, в соответствии с которым [ a] = F1 (a1+, a2+ ); F2 (a1, a2 ) (10), где F1() и F2() некоторые функции компонент вектора истинности, определяемые схемой накопления свидетельств и предметной областью. В случае диагностики знаний в качестве таких функций выбраны следующие выражения:

F2 ( a1, a2 ) = a1 a2, F1 ( a1+, a2+ ) = a1+ a2+ (11) которые обеспечивают «симметричное» накопление положительных и отрицательных результатов тестирования.

Критерием прекращения тестирования является достижение заданного порога мерой определенности µ o ( a ) = a + a, которая на каждом шаге рассматривается как уровень доверия к оценке.

В качестве операции выбрано выражение, x y = min(1, x + y ), согласно которому все тестовые задания учитываются одинаковым образом, а момент достижения порога достоверности теста определяется простым суммированием весов всех предложенных заданий. При этом компоненты вектора оценивания удовa+ + а 1.

летворяют ограничению Для перевода векторной оценки в «скалярную» используется мера достоверности µ Д (а) = a а +. Например:

1 µ Д (а) 0 – «неудовлетворительно»;

0 µ Д ( а ) 0.5 – «удовлетворительно»;

0.5 µ Д ( а ) 0.75 – «хорошо»;

0.75 µ Д ( а ) 1 – «отлично».

Достоинством векторизации является возможность естественным образом учитывать вес каждого вопроса в тесте и оценивать как меру знания, так и меру незнания испытуемого, что повышает эффективность обратной связи при обучении.

Помимо векторного оценивания, особенностью предлагаемого подхода является использование для представления диагностических знаний как традиционных форм тестовых заданий (одиночный и множественный выбор, соответствие и т.д.), так и вопросов с присоединенной процедурой вывода и анализа ответов. Данная форма представления диагностических знаний позволяет автоматизировать проверку не только знаний обучаемого, но и его умений и навыков, а также более углубленно анализировать причины пробелов в подготовке обучаемых.

На основе подхода, рассмотренного в рамках настоящей статьи, разработан программный комплекс TeachLab CourseMaster, обеспечивающий процесс создания КОС в естественных категориях предметноориентированного лексикона пользователя-разработчика КОС в этой области, что позволило снизить трудоемкость и сроки разработки, расширить спектр разрабатываемых КОС. Использование данного инструментария обеспечивает повышение дидактической эффективности когнитивного процесса за счет использования адаптивной структуры организации КОС.

Состав авторской системы определяется множеством выполняемых системой функций, требованиями вычислительной среды, в которой работает система, а также потребностями различных пользователей, которые будут работать с системой.

Как минимум, в состав системы должны быть включены компоненты, поддерживающие процесс подготовки электронных учебных курсов (ЭУК) и обеспечивающие работу обучаемого с ними (авторская подсистема и подсистема обучения).

Авторская подсистема (Конструктор учебных курсов) – предназначена для формального описания некоторого подмножества предметных, дидактических, диагностических и иных знаний в форме, пригодной для хранения в ЭВМ.

Подсистема обучения (Браузер учебных курсов) – предназначена для передачи обучаемому некоторого подмножества систематизированных знаний и умений из выбранной предметной области и адаптации процесса обучения.

Разработанная система может использоваться как для работы с артикулируемыми, так и с неартикулируемыми знаниями, используя, соответственно, тематический и задачный подходы или их комбинацию. Это позволяет разрабатывать в системе различные педагогические программные средства: электронные учебные курсы, компьютеризированные учебники, контролирующие программы, тренажеры, справочники, энциклопедии и т.д. Причем, анализ решения типовых задач возникающих при разработке данных педагогических средств, позволяет утверждать, что в зависимости от потребностей разработчика и уровня его знаний одни и те же задачи могут быть решены различными методами.

АНАЛИТИЧЕСКАЯ МОДЕЛЬ УПРАВЛЯЕМОГО ПРОЦЕССА ОБЕСПЕЧЕНИЯ

ТРЕБОВАНИЙ К ДЕЯТЕЛЬНОСТИ СПЕЦИАЛЬНЫХ ПОДРАЗДЕЛЕНИЙ

К.т.н., доцент, С.Н. Семкин, С.В. Смирнов (Академия ФСО России) В процессе выполнения специальными подразделениями (СП) задач по предназначению, в последнее время остро встает проблема контроля качества действий сотрудников, определяемых их функциональным состоянием.

Процесс решения задачи обеспечения руководящим составом специальных подразделений (РС) требований к деятельности СП, учитывающий изменение качества действий сотрудников СП, связан с проблемой поиска методов формализации основных закономерностей функционирования исследуемого объекта.

Построение математической модели управляемого процесса обеспечения РС требований к процессу деятельности СП, учитывающей особенности изменения надежности сотрудников при воздействии дестабилизирующих факторов этой деятельности, в рамках одного математического аппарата приводит к увеличению размерности модели. Поэтому целесообразно использовать для моделирования комплекса взаимоувязанных моделей малой размерности. В процессе исследования условий функционирования управляемого процесса обеспечения требований к процессу деятельности в СП необходимо наметить подходы к построению иерархической системы моделей, на основе которых следует решать задачу обеспечения требований к процессу деятельности СП.

В соответствии с реализуемыми функциями, личный состав СП можно условно разделить на два подмножества:

- сотрудники СП – штатные работники, непосредственно реализующие специальные функции по предназначению;

- руководящий состав СП – реализующий функции планирования работы, контроля и управления в СП.

Процесс выполнения своих обязанностей представляет собой направленное изменение состояния объектов, определяющих цели функционирования СП и принадлежащих соответствующему функциональному направлению деятельности, и представляет собой в общем случае процесс регулирования параметров этих объектов непосредственно или с помощью технических и (или) вспомогательных средств.

Подсистема сотрудников СП выступает в качестве объекта управления, реализующего в зависимости от особенностей направления деятельности принципы разомкнутого управления и управления с обратной связью.

При этом в ситуации, не предусмотренной требованиями нормативных документов, сотрудник руководствуется интересами безопасности и здравым смыслом, что предполагает реализацию принципа адаптации.

С другой стороны, в соответствии с требованиями руководящих документов, наряду с вопросами организации и планирования деятельности, должностные обязанности РС СП включают вопросы контроля за обеспечением требований к процессу деятельности, а так же своевременное принятие мер в случаях нарушений.

Реализация этих требований заключается в управлении сотрудниками, которые в соответствии со своими функциональными обязанностями, несут персональную ответственность за конкретное функциональное направление деятельности.

Таким образом, РС СП реализует функцию управления и выступает в качестве управляющего объекта по отношению к сотрудникам, реализующим в свою очередь, принцип компенсации при обеспечении задач СП.

На основании этого, в работе предлагается рассматривать процесс функционирования СП как совокупность следующих процессов, вложенных во времени и в пространстве:

процесс управления сотрудниками параметрами объектов определяющих качество СП, в соответствии с планами и требованиями руководящих документов;

процесс контроля обеспечения требований к параметрам объектов определяющих качество функционирования СП, РС всех ступеней в соответствии с планами проверки и своими обязанностями;

–  –  –

процесс обеспечения РС СП требований к процессу деятельности на этапе ее осуществления, при изменении качества действий сотрудников в соответствии со своими полномочиями.

Обобщенная модель управляемого процесса функционирования СП, изображена на рис. 1.

–  –  –

Рис. 1. Обобщенная модель процесса функционирования СП.

В составе обобщенной модели процесса функционирования СП необходимо выделить функционально распределенные процессы:

управляемый процесс реализации действий по основным направлениям деятельности СП в зависимости от состояния основных объектов деятельности;

управляемый процесс оперативного контроля качества обеспечения требований к процессу деятельности в СП;

управляемый процесс принятия и реализации решения РС СП управляющего воздействия, целью которого является обеспечения качества действий структуры сотрудников СП.

Определение функциональных подсистем модели системы управления проведено с учетом, разделения функциональных областей деятельности и средств контроля и управления при условии, что значительное количество реализуемых в СП процессов осуществляются при непосредственном участии сотрудников.

Таким образом, важным этапом обеспечения процесса принятия решения РС СП при реализации основных направлений деятельности сотрудниками СП, является разработка аналитической модели управляемого процесса обеспечения требований к деятельности специальных подразделений на стационарных объектах.

На основе анализ особенностей процесса, для его формализации, обоснована конструктивность применения аппарата теории управляемых полумарковских процессов.

Постанова задачи:

N – количество направлений деятельности СП K – количество сотрудников, реализующих n-е направление деятельности СП;

Множество состояний k-й структуры n-го направления деятельности сотрудников СП.

k G1 – состояние включения в процесс деятельности сотрудника k-й структуры n-го направления деятельности СП;

k G2 – состояние пребывания сотрудника k-й структуры n-го направления деятельности СП в доступном для замены резерве;

k G3 – состояние пребывания сотрудника k-й структуры n-го направления деятельности СП в недоступном для замены резерве;

Теоретические, организационные, учебно-методические и правовые проблемы

n K1 – количество сотрудников k-й структуры n-го направления деятельности СП находящихся в состоянии включения в процесс деятельности;

n K2 – количество сотрудников k-й структуры n-го направления деятельности СП находящихся в состоянии доступного для замены резерве;

n K3 – количество сотрудников k-й структуры n-го направления деятельности СП находящихся в состоянии недоступного для замены резерве;

n iр.н – среднее время работы k-го сотрудника СП n-го направления деятельности до состояния недоступного резерва n iр.д –среднее время работы k-го сотрудника n-го направления деятельности до состояния доступного резерва n kрез.д – среднее время пребывания в состоянии доступного резерва k-го сотрудника n-го направления деятельности до состояния работа n kрез.н – среднее время пребывания в состоянии доступного резерва k-го сотрудника n-го направления деятельности до состояния недоступного резерва.

Граф процесса функционирования k-й структуры личного состава n-го направления деятельности представлен на рис. 2.

Управляющие воздействия РС СП представляют собой изменение времени пребывания k-го сотрудника n-го направления деятельности в одном из множества допустимых состояний.

–  –  –

Поскольку известны только средние времена пребывания k-го сотрудника n-го направления в состояниях процесса деятельности, то в качестве законов распределения переходов достаточно взять показательное распределение с параметрами:

–  –  –

Рассматривая управляемый процесс функционирования как полумарковский, найдем вероятности переQ12 ( t ), Q13 (t ), Q21 (t ), Q32 ( t ).

ходов

Функции распределения для случайных величин характеризующих время пребывания случайного процесса в различных состояниях деятельности имеет вид:

–  –  –

ИЗ ОПЫТА ПРЕПОДАВАНИЯ ДИСЦИПЛИН «КОМПЬЮТЕРНАЯ РАЗВЕДКА» И

«ПРИМЕНЕНИЕ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ В АНАЛИТИЧЕСКОЙ РАЗВЕДКЕ»

К.ю.н., доцент В.Ю.Рогозин, к.т.н., доцент Д.В.Захаров (Волгоградская академия МВД России) Начиная с 2005 года кафедра информатики и математики Волгоградской академии МВД России преподает новые дисциплины «Компьютерная разведка» (КР) и «Применение информационных технологий в аналитической разведке» (ПИТАР) для курсантов четвертого курса факультета подготовки сотрудников служб криминальной милиции (специальность – 030505.65).

Целью изучения данных дисциплин является подготовка специалистов, имеющих представление о значимости современных информационных технологий в таких специфических областях профессиональной деятельности, как аналитическая разведка, включая методы математического моделирования, применение которых 130 Теоретические, организационные, учебно-методические и правовые проблемы на практике будет способствовать решению наиболее сложных задач, отнесенных к компетенции криминальной милиции, и, в частности, подразделений по борьбе с организованной преступностью. Обучаемые должны знать тактику и порядок применения специальных программных и технических средств компьютерной разведки. В ходе изучения вышеозначенных дисциплин у обучаемых должны быть сформированы умения и первоначальные навыки применения этих программных средств.

Специфика преподавания указанных дисциплин заключается в большом объеме специальной информации как правового, так и программно-технического характера. При таких обстоятельствах достаточно хорошо просматривается преемственность изучения КР и ПИТАР после первоначального знакомства с компьютерными информационными технологиями в рамках дисциплины «Информатика и математика», которая преподается данной категории обучаемых на первом курсе.

Опыт преподавания этих или аналогичных по содержанию дисциплин в других вузах МВД России показывает, что у обучаемых возникают немалые трудности в усвоении материала. На наш взгляд это происходит прежде всего из-за отсутствия сколь бы то ни было серьезной базовой математической и инженернотехнической подготовки в области аппаратных и программных средств, что, с одной стороны, естественно для гуманитарного вуза, но с другой стороны, не позволяет преподавателю в должной мере раскрыть содержание изучаемого материала. В этой связи, а также для демонстрации практического применения полученных знаний на кафедре разработано несколько методических рекомендаций по проведению практических занятий, направленных на повышение мотивации к изучению данных дисциплин курсантами.

Одно из практических занятий «Расчет времени вскрытия пароля» предназначено для изучения курсантами возможностей современных компьютеров по «взлому» предполагаемых паролей. При помощи встроенного в операционную систему Windows программного блока Visual Basic (VBA) обучаемые, четко следуя инструкциям, создают небольшой программный блок, позволяющий подобрать набранный пароль и просчитать время, затраченное компьютером на эту процедуру. Сама программа построена по принципу перебора и подстановки цифр и символов русского и английского языков. Мы умышленно ограничились только этими тремя составляющими и не исследуем пароли, в состав которых входят другие знаки и специальные символы (№, #, §, $ и т.п.), так как в этом случае мы в реальном времени (за одно занятие) опытным путем получаем результаты исследования паролей, состоящих из 1-го – 5-ти символов. В среднем результаты работы таковы (РС – Celeron 2,4 ГГц): односимвольный пароль – 0 мс; двух символьный – 0,0002 с; трех символьный – 0,171 с; четырех символьный – 11,390 с; пять символов – 13,5 мин. Полученные результаты могут быть использованы при составлении прогноза о возможностях данного компьютера по вскрытию паролей большей длинны (до 10-12 символов).



Pages:     | 1 |   ...   | 11 | 12 || 14 | 15 |   ...   | 16 |

Похожие работы:

«Министерство образования Московской области Управление ГИБДД ГУВД по Московской области ПАСПОРТ общеобразовательного учреждения по обеспечению безопасности дорожного движения Муниципальное бюджетное общеобразовательное учреждение средняя общеобразовательная школа № с углубленным изучением отдельных предметов Московская область «СОГЛАСОВАНО» «УТВЕРЖДАЮ» Начальник ОГИБ МУ МВД Директор МБОУ СОШ № России «Балашихинское» с углубленным изучением полковник полиции отдельных предметов _ А.Н.Ягупа...»

«УДК 663/664:658-027.45(083) ББК 65.305.73 М 14 Майснер Т.В. М 14 Применение принципов ХАССП на малых и средних предприятиях: методическое пособие для экспортно-ориентированных субъектов малого и среднего предпринимательства. Екатеринбург: ООО «ПРОГРЕСС ГРУПП», 2013. 40 с. ISBN 978-5-9905306-2-1 В данном пособии рассматривается ХАССП – система управления безопасностью пищевой продукции, основанная на предотвращении рисков при выпуске пищевых продуктов. Применение принципов ХАССП на предприятии...»

«МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Кемеровский государственный университет» Новокузнецкий институт (филиал) федерального государственного бюджетного образовательного учреждения высшего профессионального образования «Кемеровский государственный университет» Факультет информационных технологий Кафедра экологии и техносферной безопасности Рабочая программа дисциплины Б1.Б3...»

«ЛИСТ СОГЛАСОВАНИЯ от 09.06.2015 Рег. номер: 792-1 (29.04.2015) Дисциплина: Сетевые технологии 02.03.03 Математическое обеспечение и администрирование Учебный план: информационных систем/4 года ОДО Вид УМК: Электронное издание Инициатор: Захаров Александр Анатольевич Автор: Захаров Александр Анатольевич Кафедра: Кафедра информационной безопасности УМК: Институт математики и компьютерных наук Дата заседания 30.04.2015 УМК: Протокол №7 заседания УМК: Дата Дата Результат Согласующие ФИО Комментарии...»

«СОДЕРЖАНИЕ Стр.1. Система управления и содержание деятельности кафедры безопасность жизнедеятельности 1.1. Организационно-правовая деятельность кафедры 1.2. Система управления 1.3. Наличие и качество разработки документации 2. Образовательнвя деятельность 2.1. Характеристика профессиональной образовательной программы.. 2.2.1 Учебный план.. 2.2.2. Дисциплины, читаемые профессорско-преподавательским составом кафедры.. 2.2.3. Учебные программы дисциплин и практик, диагностические средства.....»

«ЛИСТ СОГЛАСОВАНИЯ от 06.06.2015 Рег. номер: 1200-1 (22.05.2015) Дисциплина: Компьютерная безопасность 38.05.01 Экономическая безопасность/5 лет ОДО; 38.05.01 Учебный план: Экономическая безопасность/5 лет ОЗО Вид УМК: Электронное издание Инициатор: Ниссенбаум Ольга Владимировна Автор: Ниссенбаум Ольга Владимировна Кафедра: Кафедра информационной безопасности УМК: Финансово-экономический институт Дата заседания 15.04.2015 УМК: Протокол заседания УМК: Согласующи ФИО Дата Дата Результат Комментари...»

«МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «ТЮМЕНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ» Институт математики и компьютерных наук Кафедра информационной безопасности Ниссенбаум Ольга Владимировна ТЕОРЕТИКО-ЧИСЛОВЫЕ МЕТОДЫ В КРИПТОГРАФИИ Учебно-методический комплекс. Рабочая программа для студентов специальности 10.05.01 Компьютерная безопасность, специализация «Безопасность распределенных...»

«МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ ПЕНЗЕНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ КАФЕДРА «ТЕХНОСФЕРНАЯ БЕЗОПАСНОСТЬ» БЕЗОПАСНОСТЬ ЖИЗНЕДЕЯТЕЛЬНОСТИ ПРОГРАММА, МЕТОДИЧЕСКИЕ УКАЗАНИЯ И КОНТРОЛЬНЫЕ РАБОТЫ ДЛЯ СТУДЕНТОВ всех направлений (специальностей) заочного факультета Пенза 2014 УДК 628.9 Б39 Даны программа, методические указания и контрольные работы для студентов, изучающих дисциплину «Безопасность жизнедеятельности». Методические указания подготовлены на кафедре «Техносферная...»

«МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «ТЮМЕНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ» Институт химии Кафедра органической и экологической химии Ларина Н.С. ГИДРОХИМИЯ Учебно-методический комплекс. Рабочая программа для студентов очной формы обучения по направлению 04.03.01 Химия, программа подготовки «Прикладной бакалавриат», профиль подготовки Химия окружающей среды, химическая...»

«МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «ТЮМЕНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ» Институт химии Кафедра органической и экологической химии Паничев С.А. ПРЕДДИПЛОМНАЯ ПРАКТИКА. Учебно-методический комплекс. Рабочая программа для студентов, обучающихся по направлению 04.03.01 Химия, профили подготовки: «Неорганическая химия и химия координационных соединений», «Физическая химия»,...»

«А. С. ФЕДОРЕНЧИК ЛЕСНАЯ СЕРТИФИКАЦИЯ Учебное пособие для студентов специальностей 1-46 01 01 «Лесоинженерное дело», 1-36 05 01 «Машины и оборудование лесного комплекса», 1-75 01 01 «Лесное хозяйство» Минск БГТУ 2008 Учреждение образования «БЕЛОРУССКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНОЛОГИЧЕСКИЙ УНИВЕРСИТЕТ» А. С. ФЕДОРЕНЧИК ЛЕСНАЯ СЕРТИФИКАЦИЯ Допущено Министерством образования Республики Беларусь в качестве учебного пособия для студентов высших учебных заведений по специальностям «Лесоинженерное дело»,...»

«УТВЕРЖДАЮ УТВЕРЖДАЮ Начальник Главного Руководитель Департамента Управления МЧС России образования города Москвы по г. Москве А.М.Елисеев О.Н. Ларионова «_» 2010 г. «_» 2010 г. УТВЕРЖДАЮ Председатель совета Московского городского отделения Всероссийского добровольного пожарного общества Н.Г. Абрамченков «» _ 2010 г. Программно-методическое обеспечение комплекса целевых мероприятий с детьми и подростками по теме «Пожарная безопасность» на 2011-2015 г.г. г.Москва Программно-методическое...»

«МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «ТЮМЕНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ» Финансово-экономический институт Кафедра экономической безопасности, учета, анализа и аудита Чернышев А.А. СОЦИОЛОГИЯ СОЦИАЛЬНОЙ СФЕРЫ Учебно-методический комплекс. Рабочая программа для студентов направления39.03.01(040100.62) Социология Профили подготовки «Экономическая социология», «Социальная...»

«МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «ТЮМЕНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ» Институт химии Кафедра органической и экологической химии Шигабаева Гульнара Нурчаллаевна ВЫСОКОМОЛЕКУЛЯРНЫЕ СОЕДИНЕНИЯ Учебно-методический комплекс. Рабочая программа для студентов очной формы обучения по направлению 04.03.01. «Химия» программа прикладного бакалавриата, профили подготовки:...»

«МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «ТЮМЕНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ» Институт математики и компьютерных наук Кафедра информационной безопасности Захаров Александр Анатольевич ИСТОРИЯ СОЗДАНИЯ МИКРОПРОЦЕССОРНОЙ ТЕХНИКИ Учебно-методический комплекс. Рабочая программа для студентов специальности 10.05.01 Компьютерная безопасность, специализация «Безопасность...»

«ОРГАНИЗАЦИЯ ДЕЯТЕЛЬНОСТИ СЛУЖБЫ СОЦИАЛЬНОЙ ПОМОЩИ НА ДОМУ BAKTRIA PRESS 2 ОРГАНИЗАЦИЯ ДЕЯТЕЛЬНОСТИ СЛУЖБЫ СОЦИАЛЬНОЙ ПОМОЩИ НА ДОМУ УДК 369.8(575.1) ББК 65. К 23 Карамян М. Организация деятельности службы социальной помощи на дому: методическое пособие/М. Карамян, М. Хасанбаева, М. Аминов. – Ташкент: Baktria press, 2014. – 100 с. В настоящем пособии приводятся методические рекомендации по вопросам социально-бытового обслуживания одиноких престарелых граждан и лиц с инвалидностью. Раскрываются...»

«ЛИСТ СОГЛАСОВАНИЯ от 09.06.2015 Рег. номер: 1954-1 (07.06.2015) Дисциплина: Безопасность жизнедеятельности Учебный план: 45.03.02 Лингвистика/4 года ОДО Вид УМК: Электронное издание Инициатор: Глазунова Светлана Николаевна Автор: Глазунова Светлана Николаевна Кафедра: Кафедра медико-биологических дисциплин и безопасности жизнедеяте УМК: Институт филологии и журналистики Дата заседания 30.05.2015 УМК: Протокол заседания УМК: Дата Дата Результат Согласующие ФИО Комментарии получения согласования...»

«ЛИСТ СОГЛАСОВАНИЯ от 09.06.2015 Рег. номер: 1114-1 (20.05.2015) Дисциплина: Теория построения защищенных автоматизированных систем 02.03.03 Математическое обеспечение и администрирование Учебный план: информационных систем/4 года ОДО Вид УМК: Электронное издание Инициатор: Ниссенбаум Ольга Владимировна Автор: Ниссенбаум Ольга Владимировна Кафедра: Кафедра информационной безопасности УМК: Институт математики и компьютерных наук Дата заседания 30.03.2015 УМК: Протокол заседания УМК: Дата Дата...»

«РАЗРАБОТАНА УТВЕРЖДЕНА Ученым советом факультета кафедрой информационных математики и информационных технологий и безопасности технологий 20.01.2015, протокол №7 26.02.2015, протокол № 7 ПРОГРАММА ВСТУПИТЕЛЬНОГО ИСПЫТАНИЯ для поступающих на обучение по программам подготовки научнопедагогических кадров в аспирантуре в 2015 году Направление подготовки 27.06.01 Управление в технических системах Профиль подготовки Управление в социальных и экономических системах Астрахань – 2015 г. ПОЯСНИТЕЛЬНАЯ...»

«ЛИСТ СОГЛАСОВАНИЯ от 09.06.2015 Рег. номер: 1941-1 (07.06.2015) Дисциплина: Безопасность жизнедеятельности Учебный план: 38.03.04 Государственное и муниципальное управление/4 года ОДО Вид УМК: Электронное издание Инициатор: Малярчук Наталья Николаевна Автор: Малярчук Наталья Николаевна Кафедра: Кафедра медико-биологических дисциплин и безопасности жизнедеяте УМК: Институт государства и права Дата заседания 29.04.2015 УМК: Протокол №9 заседания УМК: Дата Дата Результат Согласующие ФИО...»







 
2016 www.metodichka.x-pdf.ru - «Бесплатная электронная библиотека - Методички, методические указания, пособия»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.